Характеристики

Параметры: 403 млн
Архитектура: wav2vec2 · dense

Ссылки

Hugging Face

wav2vec2-large-xls-r-300m-spanish-small-v3

tomascufaro

Распознавание речиАудио → текст9 профессий

Дообученная на Common Voice модель wav2vec2 для распознавания испанской речи и её преобразования в текст.

18скачиваний за 30 дней0лайковвеса обновлены3 фев 2022

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

tomascufaro/wav2vec2-large-xls-r-300m-spanish-small-v3 — дообученная модель распознавания речи на базе jhonparra18/wav2vec2-large-xls-r-300m-spanish-custom. Она использует архитектуру wav2vec2 с классификационной головой CTC и предназначена для преобразования испанской речи в текст. Модель обучалась на Common Voice; в карточке указаны значения Loss 0,3986 и WER 0,1980 на наборе оценки. Репозиторий содержит веса PyTorch и насчитывает около 402,7 млн параметров. Лицензия в доступных данных не указана.

Сценарии применения

транскрибация испанской речи
распознавание испанского голоса в аудиозаписях
создание субтитров для испаноязычных аудио и видео
оценка качества распознавания испанской речи

Ограничения

В карточке приведён WER 0,1980 на наборе оценки, но подробности тестового протокола не указаны. Назначение ограничено испанской речью; результаты на других языках не приведены.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-xls-r-300m-spanish-small-v3

This model is a fine-tuned version of jhonparra18/wav2vec2-large-xls-r-300m-spanish-custom on the common_voice dataset. It achieves the following results on the evaluation set:

Loss: 0.3986
Wer: 0.1980

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 0.0004
train_batch_size: 8
eval_batch_size: 8
seed: 42
gradient_accumulation_steps: 2
total_train_batch_size: 16
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 500
num_epochs: 25
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Wer
0.2372	0.26	400	0.3011	0.2660
0.3413	0.53	800	0.3559	0.3228
0.3598	0.79	1200	0.3753	0.3400
0.3529	1.05	1600	0.3385	0.2979
0.3133	1.32	2000	0.3559	0.3056
0.3158	1.58	2400	0.3364	0.2994
0.3092	1.85	2800	0.3210	0.2876
0.2919	2.11	3200	0.3460	0.3010
0.2666	2.37	3600	0.3543	0.3036
0.2819	2.64	4000	0.3477	0.2959
0.283	2.9	4400	0.3492	0.2968
0.2484	3.16	4800	0.3647	0.2993
0.2371	3.43	5200	0.3601	0.2942
0.2382	3.69	5600	0.3656	0.3019
0.2425	3.96	6000	0.3379	0.2873
0.2092	4.22	6400	0.3385	0.2736
0.2171	4.48	6800	0.3503	0.2889
0.2185	4.75	7200	0.3289	0.2727
0.2236	5.01	7600	0.3447	0.2771
0.1882	5.27	8000	0.3586	0.2860
0.1986	5.54	8400	0.3404	0.2829
0.2055	5.8	8800	0.3561	0.2869
0.196	6.06	9200	0.3633	0.2811
0.1748	6.33	9600	0.3703	0.2818
0.1758	6.59	10000	0.3525	0.2816
0.1819	6.86	10400	0.3581	0.2765
0.1715	7.12	10800	0.3480	0.2628
0.1606	7.38	11200	0.3490	0.2703
0.1632	7.65	11600	0.3461	0.2706
0.1638	7.91	12000	0.3458	0.2673
0.1552	8.17	12400	0.3646	0.2732
0.154	8.44	12800	0.3706	0.2726
0.1512	8.7	13200	0.3609	0.2683
0.149	8.97	13600	0.3610	0.2668
0.1357	9.23	14000	0.3693	0.2740
0.1375	9.49	14400	0.3677	0.2625
0.1391	9.76	14800	0.3795	0.2762
0.1378	10.02	15200	0.3541	0.2592
0.1197	10.28	15600	0.3562	0.2507
0.1259	10.55	16000	0.3612	0.2584
0.1266	10.81	16400	0.3470	0.2527
0.1199	11.07	16800	0.3721	0.2571
0.1157	11.34	17200	0.3734	0.2571
0.1107	11.6	17600	0.3730	0.2589
0.1148	11.87	18000	0.3648	0.2536
0.1095	12.13	18400	0.3746	0.2521
0.1047	12.39	18800	0.3566	0.2530
0.1043	12.66	19200	0.3794	0.2545
0.1066	12.92	19600	0.3548	0.2439
0.0974	13.18	20000	0.3702	0.2461
0.0978	13.45	20400	0.3721	0.2492
0.095	13.71	20800	0.3599	0.2467
0.0963	13.97	21200	0.3650	0.2402
0.0902	14.24	21600	0.3689	0.2459
0.0898	14.5	22000	0.3832	0.2452
0.0865	14.77	22400	0.3982	0.2436
0.0911	15.03	22800	0.3785	0.2398
0.0793	15.29	23200	0.3731	0.2396
0.0806	15.56	23600	0.3626	0.2372
0.0789	15.82	24000	0.3707	0.2356
0.0779	16.08	24400	0.3850	0.2368
0.078	16.35	24800	0.3831	0.2363
0.0732	16.61	25200	0.3947	0.2287
0.0733	16.88	25600	0.3928	0.2374
0.0721	17.14	26000	0.3943	0.2324
0.0676	17.4	26400	0.3793	0.2311
0.0682	17.67	26800	0.3958	0.2257
0.0714	17.93	27200	0.3890	0.2322
0.0673	18.19	27600	0.3872	0.2229
0.0613	18.46	28000	0.3828	0.2226
0.0621	18.72	28400	0.3812	0.2214
0.0622	18.98	28800	0.3919	0.2212
0.0576	19.25	29200	0.4000	0.2205
0.0581	19.51	29600	0.3953	0.2203
0.0573	19.78	30000	0.3947	0.2190
0.0576	20.04	30400	0.3909	0.2156
0.0551	20.3	30800	0.4178	0.2153
0.0525	20.57	31200	0.3935	0.2152
0.0522	20.83	31600	0.4054	0.2151
0.0519	21.09	32000	0.3877	0.2135
0.0479	21.36	32400	0.4119	0.2107
0.0472	21.62	32800	0.3967	0.2091
0.048	21.89	33200	0.3812	0.2057
0.0458	22.15	33600	0.3931	0.2043
0.0459	22.41	34000	0.3937	0.2049
0.0448	22.68	34400	0.3900	0.2056
0.0432	22.94	34800	0.4050	0.2049
0.0425	23.2	35200	0.3985	0.2014
0.0415	23.47	35600	0.3976	0.2013
0.0403	23.73	36000	0.4031	0.2018
0.04	23.99	36400	0.3996	0.2000
0.039	24.26	36800	0.3977	0.1993
0.0406	24.52	37200	0.3967	0.2000
0.0391	24.79	37600	0.3986	0.1980

Framework versions

Transformers 4.17.0.dev0
Pytorch 1.10.2+cu102
Datasets 1.18.2.dev0
Tokenizers 0.11.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры: Wav2Vec2ForCTC
Ревизия весов: c079cae

Характеристики

Ссылки

wav2vec2-large-xls-r-300m-spanish-small-v3

Бенчмарки

Тесты пользователейпока нет

Добавьте модель в бенчмарк

Опишите свои задачи

Запустите и опубликуйте

Публичные оценки

Что умеет модель

Сценарии применения

Ограничения

Для каких профессий подходит9

Также подходит для

Карточка модели

wav2vec2-large-xls-r-300m-spanish-small-v3

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

Как запустить